企业 AI 落地路线图：先建上下文，再放智能体

企业 AI 落地路线图，指的是把「先建上下文、再放智能体」当成既定顺序，分成定边界、接数据、上只读场景、开执行能力四步推进。之所以强调顺序，是因为这四步之间存在真实的依赖：没有边界就不知道该把数据放在哪，没有数据就谈不上让 AI 做事，没有只读阶段积累的信任，就直接把执行权交出去风险太高

为什么是这个顺序

常见的失败路径是反着走：先挑一个「听起来最值钱」的场景，比如自动报价或自动排产，然后发现数据没接、权限没定、口径没统一，项目就变成一边补课一边交付，而补课的成本最终会超过场景本身的收益。

从读写最轻的场景起步还有一个隐性收益：它逼着组织先把「哪些数据可以给谁看」想清楚。这一步做完了，后面的场景基本都是复用；这一步没做，每个场景都要重新吵一遍。

四个阶段与进入条件

• 定边界：明确数据出域规则、模型部署形态与责任人。进入条件是业务方与技术方对「哪些数据绝对不出」达成一致。
• 接数据：把系统记录、文档与权限关系接进来，并建起可追溯的元数据。进入条件是高频问题能在知识底座里命中。
• 上只读场景：问答、检索、摘要这类不改变业务状态的能力。进入条件是有明确的评测集与拒答路径。
• 开执行能力：让智能体在审批与留痕的前提下执行动作。进入条件是有权限矩阵与回滚方案。

每个阶段的交付物与验收口径

• 定边界：交付一份数据与部署边界说明。验收看有没有一条被真实拒绝过的越界请求 —— 没有拒绝记录，通常说明规则还没生效。
• 接数据：交付可检索的知识底座与元数据字段。验收看高频问题的命中情况与来源是否可追溯。
• 只读场景：交付业务评测集与拒答记录。验收看答案能否被业务方人工核对通过。
• 执行能力：交付权限矩阵、审批点与审计日志。验收看任意一次动作是否都能还原出人、时间与依据。

早期不该做的三件事

• 不要在边界未定时就敲定要接入的系统清单 —— 顺序反了会导致重复劳动。
• 不要用通用基准测试代替业务评测集，那只会得到无法用于决策的结论。
• 不要在第一个阶段就对外承诺上线时间与效果数字，这两样都会在数据接入之后发生变化。
• 不要在边界未定时先采购设备 —— 形态还没定，硬件规格就无从谈起。

这套顺序的前提与边界

路线图上谁负责哪一段

• 业务负责人：确认第一阶段的边界口径，并为每个场景指定验收人。
• IT 或平台团队：负责数据接入、权限落地与运行观测。
• 合规或法务：确认数据分级、留痕要求与保留期限。
• 场景负责人：对「做成了没有」给出结论，而不是把判断权交回技术团队。
• 运行观测的责任人：指标谁看、看多久一次、异常找谁。

四类角色缺一个，路线图就会在某一阶段停住：缺业务方，评测标准定不下来；缺 IT，数据接不进来；缺合规，边界不敢定；缺场景负责人，上线之后没有人认账。

这套顺序的前提与边界

前提是企业愿意先把规则写下来。如果某个环节至今没有明确的责任人与口径，路线图的第一步应该是把规则定下来，而不是找一个工具把它绕过去 —— 被绕过去的模糊，迟早会以另一种形式回到项目里。